加速小分子新藥開發流程 – 分子智藥

今年因為COVID-19的影響,全球都在關注疫苗以及治療藥物研發的產業動態。而新藥開發的流程漫長,通常約在10-15年不等,與專利期的賽跑從發現化合物就開始了,接著需要做一系列毒性以及代謝的測試,再來要進入GLP實驗,通過實驗之後,才可以正式申請IND的認證,之後才進入到臨床實驗,通過實驗後才有機會正式上市。

根據財團法人生物技術開發中心ITIS分析,光是從臨床試驗第一期到新藥審查核准上市的總體成功率約9.6%。雖然開發成功所創造的產值相當龐大,但低成功率加上驚人開發成本,使新藥開發成為既迷人又可怕的產業。

以AI取代non-GLP實驗

藥物開發繁瑣長期的實驗流程,是為確保藥物的安全性,所有的實驗完全沒有任何替代可能,也無法縮短時間,那如何縮短開發時程呢?通常在進行GLP實驗前,為提高通過實驗的機率,藥廠會先進行成本較低的non-GLP實驗來預測結果。

分子智藥是於去年從台大計算化學實驗室發展出來的新創公司,他們發展出一套利用AI來解釋非連續性資料的技術,並用於預測化合物的性質,希望透過降低新藥物的開發成本,協助人類快速找出新的治療藥物,加速探索治癒疾病的解決方案。

他們將目標鎖定在發現化合物到GLP實驗前這段過程,研究人員收集GLP實驗的資料,來做實驗模擬,幫助藥物開發者不需再去做non-GLP實驗,他們認為既然兩種實驗所耗費的時間一樣,同樣的實驗只是以更高的規格進行,若能直接預測實驗結果,就可以省下至少兩年的開發時間。

跟一般實驗最大不同是,他們的技術可以協助客戶分析化合物結構有無毒性並標註,讓化學家藉由標示去評估該如何修飾,除了標示外同時告訴你判斷原因,與傳統類神經網路做出區別。

使用AWS訓練機器學習模型與提供服務

如果僅只是要訓練機器學習模型,要因此準備一台算力強的伺服器,會造成過高的固定成本。

分子智藥使用AWS的機器學習模組進行訓練,在需要的時候才作租賃,由於訓練時間相對地短,儘管單位時間看起來很貴,其實花費比想像中的少,而且還能省去架設和維護伺服器的時間。

除了模型訓練外,分子智藥的預測軟體服務也利用AWS佈署。執行長田耘政:「AWS用作線上服務也是老生常談了,相對於自建服務,安全性及穩定性都很好,花費合理,更重要的是可以快速擴充,如果突然有大量的需求,就能快速因應調整。」AWS具備的高可用性、高穩定性與高可擴充性,在分子智藥的服務中被運用地淋漓盡致。

建立藥品研發的信用

由於整個生化產業的特性關係,使得他們導入新技術的速度較慢,對他們來說,實驗室中的所有配置都是固定的,誰負責藥物化學,誰做蛋白質定性,誰負責QC,這些流程已經固定,新技術的導入勢必對原有的工作流程會產生嚴重影響,如何將新技術與原有工作流程整合,對實驗室的RD來說都是時間上面的負擔。 現階段分子智藥希望能夠逐漸建立起在藥物研發領域中的信用,雖然在概念驗證上,基於生物化學實驗的特性必須花費數年的時間,但就像藥物開發的過程一樣,一旦通過考驗,獲得的成果就非常驚人。

官網:https://virtualman.ai/

You Might Also Like